从零开始在kitti数据集上训练yolov5

2024-03-06 12:20

本文主要是介绍从零开始在kitti数据集上训练yolov5,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

0.准备工作

0.1 在kitti官网下载kitti数据集

KITTI官网:https://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=2d
只需要下载图片和标签
在这里插入图片描述
解压后应该有一个training和和testing文件夹,training文件夹下应该有一个image_2文件夹和一个label_2文件夹,分别对应训练集的图片和标签,图片和标签的名称是一一对应的,因此我们拿这部分图片和标签进行训练。

0.2 clone yolov5代码

Github官网:https://github.com/ultralytics/yolov5

git clone https://github.com/ultralytics/yolov5.git
conda create -n yolov5 python=3.8 -y
conda activate yolov5
cd yolov5
pip install -r requirements.txt

1.转换kitti数据集标签格式

在这里插入图片描述

1.1 kitti数据集标签

首先看kitti数据集的标签,每一行有15个属性:他们的含义如下:

  • [0] 目标类比别(type),共有8种类别,分别是CarVanTruckPedestrianPerson_sittingCyclistTramMiscDontCare。DontCare表示某些区域是有目标的,但是由于一些原因没有做标注,比如距离激光雷达过远。但实际算法可能会检测到该目标,但没有标注,这样会被当作false positive (FP)。这是不合理的。用DontCare标注后,评估时将会自动忽略这个区域的预测结果,相当于没有检测到目标,这样就不会增加FP的数量了。此外,在 2D 与 3D Detection Benchmark 中只针对 Car、Pedestrain、Cyclist 这三类。
  • [1] 截断程度(truncated),表示处于边缘目标的截断程度,取值范围为0~1,0表示没有截断,取值越大表示截断程度越大。处于边缘的目标可能只有部分出现在视野当中,这种情况被称为截断。
  • [2] 遮挡程度(occlude),取值为(0,1,2,3)。0表示完全可见,1表示小部分遮挡,2表示大部分遮挡,3表示未知(遮挡过大)。
  • [3] 观测角度(alpha),取值范围为(-pi, pi)。是在相机坐标系下,以相机原点为中心,相机原点到物体中心的连线为半径,将物体绕相机y轴旋转至相机z轴,此时物体方向与相机x轴的夹角。这相当于将物体中心旋转到正前方后,计算其与车身方向的夹角。
  • [4-7] 二维检测框(bbox),目标二维矩形框坐标,分别对应left、top、right、bottom,即左上(xy)和右下的坐标(xy)。
  • [8-10] 三维物体的尺寸(dimensions),分别对应高度、宽度、长度,以米为单位。
  • [11-13] 中心坐标(location),三维物体底部中心在相机坐标系下的位置坐标(x,y,z),单位为米。
  • [14] 旋转角(rotation_y),取值范围为(-pi, pi)。表示车体朝向,绕相机坐标系y轴的弧度值,即物体前进方向与相机坐标系x轴的夹角。rolation_y与alpha的关系为alpha=rotation_y - theta,theta为物体中心与车体前进方向上的夹角。alpha的效果是从正前方看目标行驶方向与车身方向的夹角,如果物体不在正前方,那么旋转物体或者坐标系使得能从正前方看到目标,旋转的角度为theta。

参考链接:https://blog.csdn.net/u011489887/article/details/126316851

我们需要的是目标类别和2d检测框。

1.2 yolo需要的标签(coco数据集格式)

在这里插入图片描述
包含5个属性

  • [0] 目标类别索引(因此一会还需要一个类别和索引对应表)
  • [1-2] 中心点坐标,x_center,y_center
  • [3-4] 检测框宽、高,width,height

需要注意的是:这里的方框坐标和宽高需要归一化,即需要除以图像的宽高,如图所示
在这里插入图片描述

1.3 转换代码

import glob
import random
import cv2
from tqdm import tqdmdic = {'Car': 0, 'Van': 1, 'Truck': 2, 'Tram': 3, 'Pedestrian': 4, 'Person_sitting': 4, 'Cyclist': 5, 'Misc': 6}def changeformat():img_path = 'PATH/TO/KITTI/training/image_2/*.png'      # 修改为自己的 KITTI数据集图像位置label_path = 'PATH/TO/KITTI/training/label_2/'         # 修改为自己的 KITTI数据集标签位置filename_list = glob.glob(img_path)save_path = 'PATH/TO/NEW/LABELS/'                      # 修改为自己的 标签另存的位置for img_name in tqdm(filename_list, desc='Processing'):image_name = img_name[-10: -4]   # 000000 图片的名字label_file = label_path + image_name + '.txt'     # 根据图像名称查找对应标签savelabel_path = save_path + image_name + '.txt'  # 标签另存的文件with open(label_file, 'r') as f:labels = f.readlines()img = cv2.imread(img_name)h, w, c = img.shapedw = 1.0 / wdh = 1.0 / h        # 方便一会归一化for label in labels:label = label.split(' ')classname = label[0]if classname not in dic: continue  # 我忽略了kitti数据集中的misc和dontcarex1, y1, x2, y2 = label[4: 8]x1 = eval(x1)y1 = eval(y1)x2 = eval(x2)y2 = eval(y2)# 归一化处理bx = (x1 + x2) / 2.0 * dwby = (y1 + y2) / 2.0 * dhbw = (x2 - x1) * dwbh = (y2 - y1) * dh# 这里定义数据保存的精度bx = round(bx, 6)by = round(by, 6)bw = round(bw, 6) bh = round(bh, 6)print('Done convert!')

2.划分数据集,准备训练

2.1 划分训练集和验证集

training文件夹共有7480张图片,按照训练集:验证集=8:2的比例进行划分。
代码如下:

def splitdataset():import randomrandom.seed(1234)label_path = 'PATH/TO/NEW/LABELS/'       # 这里修改为上一步保存的新标签的位置filename_list = glob.glob(label_path)num_file = len(filename_list)val = 0.2      # 验证集的比例try:val_file = open('PATH/TO/KITTI/val.txt', 'w', encoding='utf-8')    # 包含验证集的txt文件,修改为自己想要保存的位置train_file = open('PATH/TO/KITTI/train.txt', 'w', encoding='utf-8')  # 包含训练集的txt文件,修改为自己想要保存的位置for i in range(num_file):if random.random() < val:val_file.write(f'PATH/TO/KITTI/images/{i:06}.png\n')   # 修改为kitti数据集图片的位置,即txt文件里存的是图片的位置else:train_file.write(f'PATH/TO/KITTI/images/{i:06}.png\n')         finally:val_file.close()train_file.close()

2.2 准备配置文件

--datasets|--images          # 7480 images|--labels          # 7480 labels|--train.txt|--val.txt|--kitti.yaml|--yolov5s.yaml

修改coco.yaml文件为kitti.yaml

# YOLOv5 🚀 by Ultralytics, AGPL-3.0 license
# COCO 2017 dataset http://cocodataset.org by Microsoft
# Example usage: python train.py --data coco.yaml
# parent
# ├── yolov5
# └── datasets
path: PATH/TO/KITTI/datasets     # 修改为包含图片和标签的父文件夹
train: train.txt # train images (relative to 'path') 
val: val.txt # val images (relative to 'path') nc: 7      # 修改为类别数量
# Classes
names:0: car1: van2: truck3: tram4: pedestrian5: cyclist6: misc

修改yolov5s.yaml文件,这里根据选用的模型修改对应的文件,只需要修改类别数即可。
在这里插入图片描述

3.clone代码,开始训练

根据选用的模型大小,在github下载对应的预训练权重。
然后开始训练,train.py的相关参数设置可以参考这篇文章https://blog.csdn.net/m0_56175815/article/details/131125861,以及官方网站https://docs.ultralytics.com/zh/yolov5/tutorials/tips_for_best_training_results/

主要需要设置的参数包括:cfg(上一步的kitti.yaml),data(上一步修改的yolov5.yaml),batch-size(-1表示自动计算batch,推荐使用),weights(预训练权重)
其余的是一些调参的超参数:epochs(训练周期),cos-lr(是否使用模拟余弦退火调整学习率),label-smoothing(标签平滑设置,一般取小于0.1的数)

python train.py --weights PATH/TO/pretrained_weight/yolov5s.pt \
--cfg PATH/TO/yolov5s.yaml \
--data PATH/TO/kitti.yaml \
--epochs 300 \
--batch-size -1 \
--name kitti \
--cos-lr \
--label-smoothing 0.05

训练完成后的结果如下:
在这里插入图片描述

这篇关于从零开始在kitti数据集上训练yolov5的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/780050

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批